Red Hat
event
 

藉由连网工厂方案与生态系 AWS与伙伴共同实现全方位的可视性

产品即服务(Product-as-a-Service;PaaS)、连网产品以及永续性的强调已然成为前制造业的趋势,除此之外,还有两个值得注意的趋势就是「资料成为赋能者」(或推动者,Enabler),以及「数码化执行制造」。面对这样的趋势,AWS特别阐述了为什么自身适合制造业的4大理由:(1)AWS诞生于亚马逊(Amazon)复杂的自动化与工厂营运;(2)AWS具备当前最全面性与最复杂的先进云端服务与可行功能;(3)AWS顾客能充分利用适用于最具机敏性需求组织的安全防护机制;(4)全球性大规模可扩展性的AWS能降低风险。

制造业的资料飞轮(Data Flywheel)效应涉及了从工厂到产品再到产品与流程设计(PPD)的大循环飞轮优化设计,而工厂本身必须做好从质量、上线时间(Uptime)到产品,再到良率(Yield)之资料循环的飞轮优化,在改善工厂营运的同时便能提升产品的质量。对于产品本身,必须发挥从改善到顾客满意度、忠诚度,再到生命周期管理所产生的产品效能与使用资料优化的飞轮效应,进而改善了PPD设计。在PPD中,厂商也可透过从新生产系统(NPS)到换线换模(Changeover),到较低的换线换模,再到研发之优化而导致有效的PPD设计,进而改善了工厂营运。

AWS强调指出,当前已进入到资料带动制造转型的时代,透过对工业资料价值始终如一的完美运用,着实为制造业带来显著效益,包括能够降低产品开发成本高达50%,能降低营成本达到25%,而毛利率增加了1/3,总之,数码转型已对成本、安全、质量乃至产品配送等所有层面带来了显著的正面冲击。既然资料扮演了重要的角色,如何将现有锁定资料加以释放便成为重要课题,但当前存在许多问题,例如有长达10到15年的IIoT资料从未被分析过,而且多半锁定在本地端SCADA工控系统的历史记录中。对此,AWS提出的解决方案,会先从资料撷取、揭露与可视化等基本作业着手。接著建立开放资料储存以处理特定商业问题。最后,全面开启从分析、优化到预测的AI/机器学习(ML)之旅。

想落实这趟机器学习之旅将会面临许多挑战,包括大量的装置(如PLC可程序逻辑控制器、SCADA及RTU远程终端机)与大量的协定,以及OT从应用程序整并至装置中是无法扩展的;缺乏单一真实资料来源;与OT间的不一致界接;类似输出的系统,以及可扩展性上的挑战。连网工厂(Connected Factory)能提升企业级,乃至部门级与工厂级的可视性,因为它可以将机器资与质量资料撷取至AWS上;能将资料储存在时间序列最佳化的资料储存中;为你的设备与流程,进行指定效能评量标准的资产建模;为设备实时与历史资料进行可视化;部署能对工厂输出及产品质量最佳化,产资使用率最大化并识别出设备维护问题的ML/AI应用。AWS提供全面性的连网工厂解决方案架构与工业机台联机(IMC)架构,并打造连网工厂合作伙伴生态系。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: AWS AWS IoT AWS cloud